- 文字方向检测 0、90、180、270度检测
- 文字检测 后期将切换到keras版本文本检测 实现keras端到端的文本检测及识别
- 不定长OCR识别
本文完整项目代码，模型预训练权重，和数据集获取方式
关注微信公众号 datayx 然后回复 OCR 即可获取。
环境部署
代码语言：javascript复制Bash
##GPU环境
sh setup.sh
##CPU环境
sh setup-cpu.sh
##CPU python3环境
sh setup-python3.sh使用环境：python3.6 tensorflow1.7 cpu/gpu
模型训练
- 一共分为3个网络
- 1. 文本方向检测网络-Classify(vgg16)
- 2. 文本区域检测网络-CTPN(CNN RNN)
- 3. EndToEnd文本识别网络-CRNN(CNN GRU/LSTM CTC)
文字方向检测-vgg分类
基于图像分类，在VGG16模型的基础上，训练0、90、180、270度检测的分类模型. 详细代码参考angle/predict.py文件，训练图片8000张，准确率88.23%
模型地址
文字区域检测CTPN
支持CPU、GPU环境，一键部署
文本检测训练参考
https://github.com/eragonruan/text-detection-ctpn
OCR 端到端识别:CRNN
ocr识别采用GRU CTC端到到识别技术，实现不分隔识别不定长文字
提供keras 与pytorch版本的训练代码，在理解keras的基础上，可以切换到pytorch版本，此版本更稳定
如果你只是测试一下
代码语言：javascript复制运行demo.py 写入测试图片的路径即可，
如果想要显示ctpn的结果，
修改文件./ctpn/ctpn/other.py
的draw_boxes函数的最后部分，
cv2.inwrite('dest_path',img)，如此，
可以得到ctpn检测的文字区域框以及图像的ocr识别结果如果你想训练这个网络
1 对ctpn进行训练
- 定位到路径--./ctpn/ctpn/train_net.py
- 预训练的vgg网络路径VGG_imagenet.npy将预训练权重下载下来，pretrained_model指向该路径即可, 此外整个模型的预训练权重checkpoint
- ctpn数据集还是百度云数据集下载完成并解压后，将.ctpn/lib/datasets/pascal_voc.py 文件中的pascal_voc 类中的参数self.devkit_path指向数据集的路径即可
2 对crnn进行训练
- keras版本 ./train/keras_train/train_batch.py model_path--指向预训练权重位置 MODEL_PATH---指向模型训练保存的位置keras模型预训练权重
- pythorch版本./train/pytorch-train/crnn_main.py
parser.add_argument(
'--crnn',
help="path to crnn (to continue training)",
default=预训练权重的路径，看你下载的预训练权重在哪啦)
parser.add_argument(
'--experiment',
help='Where to store samples and models',
default=模型训练的权重保存位置,这个自己指定)识别结果展示
文字检测及OCR识别结果
主要是因为训练的时候，只包含中文和英文字母，因此很多公式结构是识别不出来的
看看纯文字的
可以看到，对于纯文字的识别结果还是阔以的呢，感觉可以在crnn网络在加以改进，现在的crnn中的cnn有点浅，并且rnn层为单层双向 attention，目前正在针对这个地方进行改动，使用迁移学习，以restnet为特征提取层，使用多层双向动态rnn attention ctc的机制，将模型加深，目前正在进行模型搭建，结果好的话就发上来。
